AbstractThe variety of occupant beh

Abstract

The variety of occupant behaviors in buildings have led to a significant mismatch between simulated building energy performance and measured one. It is crucial to collect real occupant behaviors in buildings to achieve accurate simulation purpose, although there exists a great challenge due to the cost of monitoring devices and privacy concerns. This study proposed an inexpensive and minimally intrusive method, to recognize behavior information from environment parameters by data mining approach. To validate this method, experiments were conducted in three bedrooms. Two types of classification algorithms were developed to recognize AC operations from the experiment data of indoor air temperature and relative humidity. Two types of recognition rules were generated from algorithm training in one dataset, and tested in the other datasets. Based on the testing results, the performance of the two algorithms were evaluated and compared. The results indicated that the C4.5 decision tree algorithm was not suitable for mining AC operations, while the curve description algorithm had good performance in processing the time-series curves of air temperature and relative humidity. Through this experiment, it is confirmed that AC operations can be recognized from indoor air temperature and relative humidity by data mining approach. The main contribution of this study is that a promising approach was developed, which is inexpensive and minimally intrusive on gathering and interpreting information about occupants’ daily behaviors

ผลลัพธ์ (ไทย) 1:

บทคัดย่อความหลากหลายของผู้ครอบครองที่ทำงานในอาคารที่จะนำไปสู่ตรงสำคัญจำลองอาคารประสิทธิภาพพลังงาน และวัดหนึ่ง มันเป็นสิ่งสำคัญเพื่อรวบรวมลักษณะการทำงานจริงผู้ครอบครองอาคารเพื่อให้บรรลุวัตถุประสงค์ถูกต้องจำลอง แม้ว่าจะมีสิ่งท้าทายมากเนื่องจากต้นทุนของการตรวจสอบอุปกรณ์และความเป็นส่วนตัว การศึกษานี้เสนอราคาไม่แพง และ minimally รำคาญวิธีการ การรับรู้ข้อมูลพฤติกรรมจากพารามิเตอร์สภาพแวดล้อม โดยวิธีการทำเหมืองข้อมูล การตรวจสอบวิธีการนี้ การทดลองได้ดำเนินการในสามห้องนอน สองชนิดอัลกอริทึมการจัดประเภทได้รับการพัฒนาให้รู้จักการดำเนินงาน AC จากข้อมูลการทดลองในร่มอากาศอุณหภูมิและความชื้นสัมพัทธ์ สองชนิดของการรับรู้กฎถูกสร้างขึ้นจากอัลกอริทึมการฝึกอบรมในชุดข้อมูลหนึ่ง และทดสอบในชุดข้อมูลอื่น ๆ จากผลการทดสอบ ประสิทธิภาพการทำงานของอัลกอริทึมที่สองประเมิน และเปรียบเทียบ ผลระบุว่า ขั้นตอนวิธีการต้นไม้ตัดสินใจ C4.5 ไม่เหมาะสำหรับการทำเหมืองแร่ AC ขณะที่อัลกอริทึมคำอธิบายของเส้นโค้งมีประสิทธิภาพดีในการประมวลผลกราฟอนุกรมเวลาของอุณหภูมิอากาศและความชื้นสัมพัทธ์ ผ่านทดลองนี้ มียืนยันว่า การดำเนินงานของ AC สามารถรับรู้จากในร่มอากาศอุณหภูมิและความชื้นสัมพัทธ์ โดยวิธีการทำเหมืองข้อมูล ส่วนหลักของการศึกษานี้อยู่ที่วิธีการกำหนดการพัฒนาขึ้น ซึ่งมีราคาไม่แพง และรำคาญ minimally รวบรวม และตีความข้อมูลเกี่ยวกับพฤติกรรมของผู้โดยสารประจำวัน

ผลลัพธ์ (ไทย) 2:

บทคัดย่อความหลากหลายของพฤติกรรมผู้ครอบครองในอาคารได้นำไปสู่การไม่ตรงกันอย่างมีนัยสำคัญระหว่างประสิทธิภาพพลังงานในอาคารจำลองและวัดได้อีกหนึ่ง มันเป็นสิ่งสำคัญในการเก็บรวบรวมพฤติกรรมการครอบครองอสังหาริมทรัพย์ในอาคารเพื่อให้บรรลุวัตถุประสงค์การจำลองที่ถูกต้องแม้จะมีอยู่ความท้าทายที่ดีเนื่องจากค่าใช้จ่ายในการตรวจสอบอุปกรณ์และความกังวลความเป็นส่วนตัว การศึกษาครั้งนี้นำเสนอวิธีการที่ราคาไม่แพงและล่วงล้ำน้อยที่สุดที่จะรับรู้ข้อมูลจากพฤติกรรมพารามิเตอร์สภาพแวดล้อมโดยวิธีการทำเหมืองข้อมูล เพื่อตรวจสอบวิธีการนี้ทดลองดำเนินการในสามห้องนอน ทั้งสองประเภทของขั้นตอนวิธีการจัดหมวดหมู่ได้รับการพัฒนาที่จะรับรู้การดำเนินงาน AC ออกจากข้อมูลการทดสอบของอุณหภูมิของอากาศในร่มและความชื้นสัมพัทธ์ ทั้งสองประเภทของการรับรู้กฎถูกสร้างขึ้นจากการฝึกอบรมขั้นตอนวิธีการในชุดหนึ่งและทดสอบในชุดข้อมูลอื่น ๆ ขึ้นอยู่กับผลการทดสอบประสิทธิภาพการทำงานของทั้งสองขั้นตอนวิธีการประเมินและเปรียบเทียบ ผลการวิจัยพบว่าวิธีต้นไม้ตัดสินใจ C4.5 ก็ไม่เหมาะสำหรับการทำเหมืองการดำเนินงาน AC ขณะที่ขั้นตอนวิธีการรายละเอียดเส้นโค้งมีผลงานที่ดีในการประมวลผลเส้นโค้งอนุกรมเวลาของอุณหภูมิอากาศและความชื้นสัมพัทธ์ ผ่านการทดลองนี้มีการยืนยันว่าการดำเนินงานของเอซีได้รับการยอมรับจากอุณหภูมิของอากาศในร่มและความชื้นสัมพัทธ์โดยวิธีการทำเหมืองข้อมูล สนับสนุนหลักของการศึกษานี้คือวิธีการที่มีแนวโน้มได้รับการพัฒนาซึ่งเป็นราคาไม่แพงและน้อยที่สุดล่วงล้ำในการรวบรวมข้อมูลและการตีความเกี่ยวกับพฤติกรรมในชีวิตประจำวันผู้โดยสาร